CN112052554A - 一种建立管道埋藏型缺陷自身高度预测模型的方法 - Google Patents
一种建立管道埋藏型缺陷自身高度预测模型的方法 Download PDFInfo
- Publication number
- CN112052554A CN112052554A CN202010718037.3A CN202010718037A CN112052554A CN 112052554 A CN112052554 A CN 112052554A CN 202010718037 A CN202010718037 A CN 202010718037A CN 112052554 A CN112052554 A CN 112052554A
- Authority
- CN
- China
- Prior art keywords
- buried
- height
- pipeline
- defect
- prediction model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 159
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000012360 testing method Methods 0.000 claims abstract description 53
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 238000009659 non-destructive testing Methods 0.000 claims abstract description 10
- 239000002893 slag Substances 0.000 claims description 21
- 238000003466 welding Methods 0.000 claims description 15
- 239000011229 interlayer Substances 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 10
- 230000001419 dependent effect Effects 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 8
- 238000005259 measurement Methods 0.000 abstract description 8
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000008439 repair process Effects 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 abstract description 2
- 238000011835 investigation Methods 0.000 abstract description 2
- 238000012417 linear regression Methods 0.000 description 9
- 239000010410 layer Substances 0.000 description 7
- 230000004927 fusion Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 229910000905 alloy phase Inorganic materials 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种建立管道埋藏型缺陷自身高度预测模型的方法,属于管道检测技术领域。分别对试块中埋藏型缺陷的自身高度进行无损检测和实际精确测量,将所得数据扩容后增加数据样本的数量,提高模型的预测精度,然后建立两种预测模型,验证预测模型的预测精度后,结合实际情况制定两种预测模型的使用条件。该方法可提高管道环焊缝埋藏型缺陷自身高度的评定精度,减少无损检测方法对管道环焊缝埋藏型缺陷自身高度检测精度的限制,满足管道综合检测、评估及修复的需要,能够避免因环焊缝埋藏型缺陷产生的管道泄漏失效事故造成的人员伤亡和财产损失,具有显著的经济和社会效益,便于各大管道公司环焊缝隐患排查及质量提升现场推广使用。
Description
技术领域
本发明属于管道检测技术领域,具体涉及一种建立管道埋藏型缺陷自身高度预测模型的方法。
背景技术
2015年以前建设的大部分陆上油气长输管线,施工现场绝大部分对接环焊缝为半自动焊接,与工厂制管时的螺旋焊缝或直焊缝不同,在施工环境、工期、焊工水平等多种因素影响下,不可避免存在焊接缺陷并可能发生扩展。对内检测发现的环焊缝异常,选点开挖检测后发现相当比例的缺陷属于超建设标准要求缺陷,严重威胁输气管道的安全运行。
环焊缝埋藏型缺陷如层间未熔合、夹渣等是环焊缝中存在比例较高的缺陷,采用合适的方法建立预测模型对其自身高度正确检测和合理评价是保证环焊缝满足服役需求的重要技术手段,也是兼顾管道安全性和经济性的有效做法,在油气管道行业有着巨大的需求。因此,管道环焊缝隐患治理现场急需一种准确、可靠的环焊缝埋藏型缺陷自身高度预测模型以对管道环焊缝埋藏型缺陷自身高度进行准确评定。
目前,通过无损检测方法得到环焊缝埋藏型缺陷准确尺寸尤其是缺陷自身高度是环焊缝服役安全性评价、维修维护的重要依据,也是验证内检测是否准确的重要手段。该技术首先通过射线、超声检测等常规无损检测方法确定环焊缝超标缺陷的性质和部位,对于埋藏型缺陷使用超声衍射时差法测定缺陷自身高度,为后续的管道环焊缝安全评价提供基础数据,是当前广泛采用的管道环焊缝埋藏型缺陷自身高度检测技术。
但是,现有的环焊缝埋藏型缺陷自身高度无损检测技术在长距离埋地在役管道环焊缝埋藏型缺陷自身高度检测中也存在局限性。各种无损检测技术在环焊缝埋藏型缺陷自身高度检测上有各自的优势和劣势,但是采用单一技术如射线检测、超声检测不能准确测定缺陷自身高度,超声衍射时差法按照现行标准不适用于壁厚小于12mm的环焊缝埋藏型缺陷自身高度检测。
发明内容
为了解决上述问题,本发明的目的在于提供一种建立管道埋藏型缺陷自身高度预测模型的方法,可大幅度提高管道环焊缝埋藏型缺陷自身高度的精度,满足管道综合检测、评估及修复的需要。
本发明是通过以下技术方案来实现:
一种建立管道埋藏型缺陷自身高度预测模型的方法,包括以下步骤:
步骤1:制作与目标输气管道曲率及壁厚相同的含有埋藏型缺陷的对接焊缝试块;
步骤2:采用无损检测法检测步骤1制得的对接焊缝试块中埋藏型缺陷的自身高度;
步骤3:暴露步骤1制得的对接焊缝试块中的埋藏型缺陷,采用金相显微镜对每个埋藏型缺陷沿壁厚方向的自身高度进行测量;
步骤4:对步骤2测得的对接焊缝试块中埋藏型缺陷的自身高度数据进行数据扩容,在扩容后的数据范围内取值作为自变量;对步骤3测得的对接焊缝试块中埋藏型缺陷的自身高度数据进行数据扩容,在扩容后的数据范围内取值作为因变量;
步骤5:对步骤4中的自变量和因变量分别进行线性拟合回归和非线性拟合回归,建立线性预测模型和非线性预测模型;
步骤6:对步骤5建立的埋藏型缺陷自身高度的线性预测模型和非线性预测模型的预测精度进行验证,根据验证结果选取管道埋藏型缺陷自身高度的预测模型。
优选地,步骤1具体包括:选取所需壁厚规格的输气管道,并从每种壁厚规格的管材上割取管段若干,按照埋藏型缺陷的产生机理,模仿其形成的条件,采用预埋缺陷并且焊接时控制焊接工艺和焊接手法,制作与所需规格输气管道曲率相同的含有埋藏型缺陷的对接焊缝试块。
进一步优选地,步骤1中,对接焊缝试块中的埋藏型缺陷为层间未熔合和夹渣。
进一步优选地,对接焊缝试块中的埋藏型缺陷的自身高度为2mm~1/2管道壁厚。
优选地,步骤2中,壁厚规格<12mm的对接焊缝试块采用相控阵超声法检测,壁厚规格≥12mm的对接焊缝试块采用相控阵超声法与超声衍射时差法相结合的方法检测。
优选地,步骤4中,对步骤2测得的对接焊缝试块中埋藏型缺陷的自身高度数据叠加无损检测法理论误差范围值后得到扩容后的数据范围,在扩容后的数据范围内取值作为自变量;对步骤3测得的对接焊缝试块中埋藏型缺陷的自身高度数据叠加无损检测法理论误差范围值后得到扩容后的数据范围,在扩容后的数据范围内取值作为因变量。
优选地,步骤5中,线性预测模型包括单一埋藏型缺陷的线性预测模型和多种埋藏型缺陷的线性预测模型;非线性预测模型包括单一埋藏型缺陷的非线性预测模型和多种埋藏型缺陷的非线性预测模型。
进一步优选地,建立多种埋藏型缺陷的线性预测模型和非线性预测模型所需的数据是将多种埋藏型缺陷的自身高度数据合并后得到的。
进一步优选地,步骤6中,选取的管道埋藏型缺陷自身高度预测模型为多种埋藏型缺陷的线性预测模型。
优选地,建立的管道埋藏型缺陷自身高度预测模型的应用对象为具有等壁厚对接环焊缝的管道和具有外表面平齐的非等壁厚对接环焊缝的管道。
与现有技术相比,本发明具有以下有益的技术效果:
本发明公开的建立管道埋藏型缺陷自身高度预测模型的方法,分别对试块中埋藏型缺陷的自身高度进行无损检测和实际精确测量,将所得数据扩容后增加数据样本的数量,提高模型的预测精度,然后建立线性和非线性预测模型,验证预测模型的预测精度后,结合实际情况制定两种预测模型的使用条件。传统的统计学都是立足于样本数量足够多的前提下,各种建模和预测方法实际上都是在样本数趋于无穷大时才能得到理论上的保证。但在环焊缝缺陷自身高度无损测量方法研究中,获取相关检测数据相对有限,在对检测结果其可靠性进行研究时,解剖样本不可能无限制增加,这意味着可用样本相对较小,仅依靠有限数据求得的可靠性往往存在较大误差,所以要想通过这些小样本实验数据进行数据挖掘和建模,一般应用于海量数据的大多数方法就不再适用。因此,本发明探索并建立了一套能够在小样本条件下,预测环焊缝缺陷真实自身高度的合适方法,提高了管道安全评估的准确性。该方法可提高管道环焊缝埋藏型缺陷自身高度的评定精度,减少单一无损检测方法对管道环焊缝埋藏型缺陷自身高度检测精度的限制,满足管道综合检测、评估及修复的需要,能够避免因环焊缝埋藏型缺陷产生的管道泄漏失效事故造成的人员伤亡和财产损失,具有显著的经济和社会效益。该设计流程简便,易于实现,经济成本低,可靠性高,便于各大管道公司环焊缝隐患排查及质量提升现场推广使用。
进一步地,制作的对接焊缝试块能够较好地代表实际的焊缝缺陷情况,提高预测模型的预测精度。
更进一步地,对接焊缝试块中的埋藏型缺陷为层间未熔合和夹渣,因为管道环焊缝埋藏型缺陷中未熔合和夹渣的比例较高,具有典型的代表性。
更进一步地,对接焊缝试块中的埋藏型缺陷的自身高度为2~1/2管道壁厚,自身高度小于1mm的缺陷通常视为无自身高度,加之试块中缺陷自身高度目前可以达到的制作误差为±1.5mm,因此缺陷试块设计的自身高度最小值为2mm,另外,每层焊道的高度通常为3mm,故缺陷试块设计的自身高度还包括3mm及其整数倍,但最大不能大于1/2管道壁厚。
进一步地,壁厚规格≥12mm的对接焊缝试块采用相控阵超声法与超声衍射时差法相结合的方法检测,具有较高的检测精度;由于壁厚规格<12mm的环焊缝不能采用超声衍射时差法,因此采用相控阵超声法检测,保证较高的检测精度。
进一步地,采用无损检测法理论误差范围值分别对无损检测法测得的对接焊缝试块中埋藏型缺陷的自身高度数据和实际测得的对接焊缝试块中埋藏型缺陷的自身高度数据进行扩容,能够提高数据样本数量,进而提高预测模型的预测精度。小样本统计问题其实质就是信息不足,所以需要对数据的潜在信息进行挖掘,即从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式。寻找效率高、建模精度高及预测效果好的方法。因此,无损检测法理论误差范围值的作用就是将小样本问题转化为大样本问题进行处理。
进一步地,线性预测模型包括单一埋藏型缺陷的线性预测模型和多种埋藏型缺陷的线性预测模型,非线性预测模型包括单一埋藏型缺陷的非线性预测模型和多种埋藏型缺陷的非线性预测模型,单一埋藏型缺陷的预测模型针对具体缺陷类型的自身高度预测精度更高;多种埋藏型缺陷的预测模型更适用于为现场提供简便的预测方法。线性预测模型可以提供变量间相关关系的数学表达式,还可以利用关系式,由一个或多个变量值,预测和控制另一个因变量的取值,进一步可以指导预测和控制达到了何种程度,并进行因素分析,而且可以利用概率统计知识对此关系进行分析以判别其有效性;非线性预测模型可以对实际研究中不可线性处理的非线性回归问题,提出一种新的解决方法。
更进一步地,选取的管道埋藏型缺陷自身高度预测模型为多种埋藏型缺陷的线性预测模型,经过误差分析及出于操作简便考虑,该模型使用方便,精确度能够满足实际工程需要。
进一步地,建立的管道埋藏型缺陷自身高度预测模型的应用对象为具有等壁厚对接环焊缝的管道和具有外表面平齐的非等壁厚对接环焊缝的管道,这种类型的焊缝预测结果误差较小,不适用于上表面不平齐而下表面平齐的变壁厚环焊缝以及角焊缝等。
附图说明
图1为壁厚8.4mm试块层间未熔合缺陷相控阵超声检测图;
图2为壁厚8.4mm试块夹渣缺陷相控阵超声检测图;
图3为壁厚18.4mm试块层间未熔合缺陷相控阵超声检测图;
图4为壁厚18.4mm试块夹渣缺陷相控阵超声检测图;
图5为壁厚18.4mm试块缺陷超声衍射时差法检测图;
图6为壁厚8.4mm试块层间未熔合缺陷金相显微镜测量自身高度;
图7为壁厚8.4mm试块夹渣缺陷金相显微镜测量自身高度;
图8为壁厚18.4mm试块层间未熔合金相显微镜测量自身高度;
图9为壁厚18.4mm试块夹渣缺陷合金相显微镜测量自身高度。
具体实施方式
下面以附图和具体实施例对本发明做进一步的详细说明,所述是对本发明的解释而不是限定。
某管道公司管道环焊缝φ1219×18.4mm管线及φ660×8.4mm管线环焊缝试样经射线、超声检测发现埋藏型超标缺陷,需给出其自身高度以评价管道风险,采用本发明的建立管道埋藏型缺陷自身高度预测模型的方法进行预测。分为以下步骤:
步骤1:选取8.4mm、14.6mm、18.4mm和30.8mm壁厚规格的输气管道,并从每种壁厚规格的管材上割取管段若干,按照埋藏型缺陷的产生机理,模仿其形成的条件,采用预埋缺陷并且焊接时控制焊接工艺和焊接手法,制作与所需规格输气管道曲率相同的含有埋藏型缺陷的对接焊缝试块,埋藏型缺陷主要为层间未熔合和夹渣;
步骤2:对壁厚8.4mm的试块采用相控阵超声法检测,如图1、图2;对壁厚14.6mm、18.4mm和30.8mm的试块采用相控阵超声法与超声衍射时差法相结合的方法检测,如图3、图4、图5;
步骤3:采用线切割方式解剖对接焊缝试块中的埋藏型缺陷,采用金相显微镜对每个埋藏型缺陷沿壁厚方向的自身高度进行测量,如图6、图7、图8和图9;
步骤2和步骤3得到的结果如表1:
表1
步骤4:在超声衍射时差法缺陷自身高度测量值±1mm范围内进行取值并作为自变量x1,以同样的取值方法在相控阵超声缺陷自身高度测量值±1mm范围内进行取值并作为自变量x2,实际测量最大值±1mm范围内进行取值作为因变量y,从而获得预测建模所需数据集;
其中,壁厚8.4mm试块层间未熔合缺陷数据集如表2,x2=2.30mm为该试块中层间未熔合缺陷相控阵超声检测结果,y=1.78mm为金相显微镜测量结果。
表2
x<sub>2</sub> | y |
1.32 | 0.79 |
1.83 | 1.26 |
2.30 | 1.78 |
2.87 | 2.23 |
3.28 | 2.77 |
壁厚8.4mm试块夹渣缺陷数据集如表3,x2=2.00mm为该试样中夹渣缺陷相控阵超声检测结果,y=1.81mm为金相显微镜测量结果。
表3
x<sub>2</sub> | y |
1.01 | 0.99 |
1.55 | 1.50 |
2.00 | 1.81 |
2.61 | 2.25 |
2.98 | 2.75 |
壁厚14.6mm、18.4mm和30.8mm的试块层间未熔合缺陷数据集如表4:
表4
壁厚14.6mm、18.4mm和30.8mm的试块夹渣缺陷数据集如表5:
表5
步骤5:数据扩容后,对T<12mm和T≥12mm规格的试样分别按照不同埋藏型缺陷类型进行线性拟合回归和非线性拟合回归,分别建立管道埋藏型缺陷自身高度的预测模型;将T<12mm和T≥12mm壁厚规格管道的埋藏型缺陷自身高度数据合并后分别进行线性拟合回归和非线性拟合回归,建立多壁厚规格管道埋藏型缺陷自身高度的预测模型;
T<12mm层间未熔合缺陷线性回归方程为:y=0.991x2-0.533
T<12mm夹渣缺陷线性回归方程为:y=0.580x2+0.566
T≥12mm层间未熔合缺陷线性回归方程为:y=0.290x1+0.617x2-0.028
T≥12mm层间未熔合缺陷线非线性回归方程为:y=0.092x1x2+1.852
T≥12mm夹渣缺陷的线性回归方程为:y=0.179x1+0.952x2-1.016
T≥12mm夹渣缺陷的非线性回归方程为:y=0.507x1-0.130x1 2+0.219x1x2+0.180
T<12mm层间未熔缺陷与夹渣缺陷合并后线性回归方程为:y=0.708x2+0.203
T<12mm层间未熔缺陷与夹渣缺陷合并后非线性回归方程为:
T≥12mm层间未熔缺陷与夹渣缺陷合并后线性回归方程为:
y=0.270x1+0.751x2-0.554
T≥12mm的层间未熔缺陷与夹渣缺陷合并后非线性回归方程为:
y=0.068x1x2+0.461x2+0.544
步骤6:对步骤5建立的埋藏型缺陷自身高度的线性预测模型和非线性预测模型的预测精度进行验证,根据验证结果选取管道埋藏型缺陷自身高度的预测模型。在经过误差分析及出于方便考虑,选择数据合并后的线性模型,分别是:
T<12mm,y=0.708x2+0.203
T≥12mm,y=0.270x1+0.751x2-0.554
验证结果如表6
表6
由表6中的结果可以看出,所建立的预测模型误差<1mm,具有较高的预测精度,能够满足工程实际需要。
该模型适用于在役输气管道等壁厚对接环焊缝、上表面平齐的变壁厚环焊缝缺陷在检测条件许可时可参照使用,不适用于上表面不平齐而下表面平齐的变壁厚环焊缝以及角焊缝。
需要说明的是,以上所述仅为本发明实施方式的一部分,根据本发明所描述的系统所做的等效变化,均包括在本发明的保护范围内。本发明所属技术领域的技术人员可以对所描述的具体实例做类似的方式替代,只要不偏离本发明的结构或者超越本权利要求书所定义的范围,均属于本发明的保护范围。
Claims (10)
1.一种建立管道埋藏型缺陷自身高度预测模型的方法,其特征在于,包括以下步骤:
步骤1:制作与目标输气管道曲率及壁厚相同的含有埋藏型缺陷的对接焊缝试块;
步骤2:采用无损检测法检测步骤1制得的对接焊缝试块中埋藏型缺陷的自身高度;
步骤3:暴露步骤1制得的对接焊缝试块中的埋藏型缺陷,采用金相显微镜对每个埋藏型缺陷沿壁厚方向的自身高度进行测量;
步骤4:对步骤2测得的对接焊缝试块中埋藏型缺陷的自身高度数据进行数据扩容,在扩容后的数据范围内取值作为自变量;对步骤3测得的对接焊缝试块中埋藏型缺陷的自身高度数据进行数据扩容,在扩容后的数据范围内取值作为因变量;
步骤5:对步骤4中的自变量和因变量分别进行线性拟合回归和非线性拟合回归,建立线性预测模型和非线性预测模型;
步骤6:对步骤5建立的埋藏型缺陷自身高度的线性预测模型和非线性预测模型的预测精度进行验证,根据验证结果选取管道埋藏型缺陷自身高度的预测模型。
2.如权利要求1所述的建立管道埋藏型缺陷自身高度预测模型的方法,其特征在于,步骤1具体包括:选取所需壁厚规格的输气管道,并从每种壁厚规格的管材上割取管段若干,按照埋藏型缺陷的产生机理,模仿其形成的条件,采用预埋缺陷并且焊接时控制焊接工艺和焊接手法,制作与所需规格输气管道曲率相同的含有埋藏型缺陷的对接焊缝试块。
3.如权利要求2所述的建立管道埋藏型缺陷自身高度预测模型的方法,其特征在于,步骤1中,对接焊缝试块中的埋藏型缺陷为层间未熔合和夹渣。
4.如权利要求2所述的建立管道埋藏型缺陷自身高度预测模型的方法,其特征在于,对接焊缝试块中的埋藏型缺陷的自身高度为2mm~1/2管道壁厚。
5.如权利要求1所述的建立管道埋藏型缺陷自身高度预测模型的方法,其特征在于,步骤2中,壁厚规格<12mm的对接焊缝试块采用相控阵超声法检测,壁厚规格≥12mm的对接焊缝试块采用相控阵超声法与超声衍射时差法相结合的方法检测。
6.如权利要求1所述的建立管道埋藏型缺陷自身高度预测模型的方法,其特征在于,步骤4中,对步骤2测得的对接焊缝试块中埋藏型缺陷的自身高度数据叠加无损检测法理论误差范围值后得到扩容后的数据范围,在扩容后的数据范围内取值作为自变量;对步骤3测得的对接焊缝试块中埋藏型缺陷的自身高度数据叠加无损检测法理论误差范围值后得到扩容后的数据范围,在扩容后的数据范围内取值作为因变量。
7.如权利要求1所述的建立管道埋藏型缺陷自身高度预测模型的方法,其特征在于,步骤5中,线性预测模型包括单一埋藏型缺陷的线性预测模型和多种埋藏型缺陷的线性预测模型;非线性预测模型包括单一埋藏型缺陷的非线性预测模型和多种埋藏型缺陷的非线性预测模型。
8.如权利要求7所述的建立管道埋藏型缺陷自身高度预测模型的方法,其特征在于,建立多种埋藏型缺陷的线性预测模型和非线性预测模型所需的数据是将多种埋藏型缺陷的自身高度数据合并后得到的。
9.如权利要求7所述的建立管道埋藏型缺陷自身高度预测模型的方法,其特征在于,步骤6中,选取的管道埋藏型缺陷自身高度预测模型为多种埋藏型缺陷的线性预测模型。
10.如权利要求1所述的建立管道埋藏型缺陷自身高度预测模型的方法,其特征在于,建立的管道埋藏型缺陷自身高度预测模型的应用对象为具有等壁厚对接环焊缝的管道和具有外表面平齐的非等壁厚对接环焊缝的管道。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010718037.3A CN112052554B (zh) | 2020-07-23 | 2020-07-23 | 一种建立管道埋藏型缺陷自身高度预测模型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010718037.3A CN112052554B (zh) | 2020-07-23 | 2020-07-23 | 一种建立管道埋藏型缺陷自身高度预测模型的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112052554A true CN112052554A (zh) | 2020-12-08 |
CN112052554B CN112052554B (zh) | 2024-04-30 |
Family
ID=73601132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010718037.3A Active CN112052554B (zh) | 2020-07-23 | 2020-07-23 | 一种建立管道埋藏型缺陷自身高度预测模型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112052554B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2291344C1 (ru) * | 2005-09-05 | 2007-01-10 | Сергей Сэмович Машуров | Способ прогнозирования дефектов подземных трубопроводов |
CN102122351A (zh) * | 2011-03-01 | 2011-07-13 | 哈尔滨工程大学 | 一种基于rbf神经网络的管道缺陷智能识别方法 |
CN102661892A (zh) * | 2012-05-29 | 2012-09-12 | 南京工业大学 | 一种含埋藏裂纹缺陷承压设备的定量风险分析方法 |
JP2012247271A (ja) * | 2011-05-26 | 2012-12-13 | Jfe Steel Corp | 鋼構造物の使用限界予測方法 |
CN104359976A (zh) * | 2014-08-25 | 2015-02-18 | 中国海洋石油总公司 | 海底管道环焊缝缺陷高度精确定量方法 |
CN106228565A (zh) * | 2016-08-02 | 2016-12-14 | 电子科技大学 | 一种基于x射线图像的输油管道焊缝缺陷检测方法 |
CN107506876A (zh) * | 2017-09-28 | 2017-12-22 | 河南理工大学 | 基于多元回归分析的液固两相流冲蚀磨损失重率的预测方法 |
CN107808347A (zh) * | 2016-09-08 | 2018-03-16 | 苏州热工研究院有限公司 | 一种风险指引型在役检查中检查要素的选取方法 |
CN109175608A (zh) * | 2018-09-30 | 2019-01-11 | 华南理工大学 | 焊缝特征点位置在线测量方法及焊缝轨迹自动测量系统 |
CN109783906A (zh) * | 2018-12-29 | 2019-05-21 | 东北大学 | 一种管道内检测漏磁数据智能分析系统及方法 |
CN110116254A (zh) * | 2019-05-05 | 2019-08-13 | 中国石油天然气集团有限公司 | 油气集输用双金属复合管环焊接头缺陷预测与控制方法 |
KR20190136770A (ko) * | 2018-05-31 | 2019-12-10 | 목포대학교산학협력단 | Gma 용접에서의 비드 형상 예측 방법 및 장치 |
CN111177976A (zh) * | 2019-12-25 | 2020-05-19 | 广东省焊接技术研究所(广东省中乌研究院) | 一种基于深度学习的弧焊焊缝成形精准预测方法 |
US20200210826A1 (en) * | 2018-12-29 | 2020-07-02 | Northeastern University | Intelligent analysis system using magnetic flux leakage data in pipeline inner inspection |
-
2020
- 2020-07-23 CN CN202010718037.3A patent/CN112052554B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2291344C1 (ru) * | 2005-09-05 | 2007-01-10 | Сергей Сэмович Машуров | Способ прогнозирования дефектов подземных трубопроводов |
CN102122351A (zh) * | 2011-03-01 | 2011-07-13 | 哈尔滨工程大学 | 一种基于rbf神经网络的管道缺陷智能识别方法 |
JP2012247271A (ja) * | 2011-05-26 | 2012-12-13 | Jfe Steel Corp | 鋼構造物の使用限界予測方法 |
CN102661892A (zh) * | 2012-05-29 | 2012-09-12 | 南京工业大学 | 一种含埋藏裂纹缺陷承压设备的定量风险分析方法 |
CN104359976A (zh) * | 2014-08-25 | 2015-02-18 | 中国海洋石油总公司 | 海底管道环焊缝缺陷高度精确定量方法 |
CN106228565A (zh) * | 2016-08-02 | 2016-12-14 | 电子科技大学 | 一种基于x射线图像的输油管道焊缝缺陷检测方法 |
CN107808347A (zh) * | 2016-09-08 | 2018-03-16 | 苏州热工研究院有限公司 | 一种风险指引型在役检查中检查要素的选取方法 |
CN107506876A (zh) * | 2017-09-28 | 2017-12-22 | 河南理工大学 | 基于多元回归分析的液固两相流冲蚀磨损失重率的预测方法 |
KR20190136770A (ko) * | 2018-05-31 | 2019-12-10 | 목포대학교산학협력단 | Gma 용접에서의 비드 형상 예측 방법 및 장치 |
CN109175608A (zh) * | 2018-09-30 | 2019-01-11 | 华南理工大学 | 焊缝特征点位置在线测量方法及焊缝轨迹自动测量系统 |
CN109783906A (zh) * | 2018-12-29 | 2019-05-21 | 东北大学 | 一种管道内检测漏磁数据智能分析系统及方法 |
US20200210826A1 (en) * | 2018-12-29 | 2020-07-02 | Northeastern University | Intelligent analysis system using magnetic flux leakage data in pipeline inner inspection |
CN110116254A (zh) * | 2019-05-05 | 2019-08-13 | 中国石油天然气集团有限公司 | 油气集输用双金属复合管环焊接头缺陷预测与控制方法 |
CN111177976A (zh) * | 2019-12-25 | 2020-05-19 | 广东省焊接技术研究所(广东省中乌研究院) | 一种基于深度学习的弧焊焊缝成形精准预测方法 |
Non-Patent Citations (4)
Title |
---|
张文 等: "含埋藏球形缺陷管道蠕变裂纹萌生寿命的预测", 《焊接学报》, vol. 38, no. 2, 28 February 2017 (2017-02-28) * |
李明;成志强;王成;柳葆生;: "基于BS7910标准的X70钢环焊缝超声相控阵检出埋藏缺陷的安全评定", 《四川理工学院学报(自然科学版)》, vol. 29, no. 6, 20 December 2016 (2016-12-20) * |
沙胜义;付春艳;燕冰川;赵帅;时雷;刘陇;: "基于无损检测的输油管道环焊缝缺陷安全评估", 《管道技术与设备》, no. 1, 15 January 2017 (2017-01-15) * |
郭威 等: "高温蠕变下表面多裂纹扩展行为", 《焊接学报》, vol. 40, no. 8, 31 August 2019 (2019-08-31) * |
Also Published As
Publication number | Publication date |
---|---|
CN112052554B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Caines et al. | Analysis of pitting corrosion on steel under insulation in marine environments | |
Zhu | A comparative study of burst failure models for assessing remaining strength of corroded pipelines | |
Fairchild et al. | A multi-tiered procedure for engineering critical assessment of strain-based pipelines | |
Wang et al. | Strain-based design-advances in prediction methods of tensile strain capacity | |
CN108760898B (zh) | 双金属复合管环焊缝超声波检测用对比试块及其设计方法 | |
Su et al. | Failure pressure analysis of corroded moderate-to-high strength pipelines | |
CN102707029B (zh) | 激光填丝焊焊缝质量在线检测及评估方法 | |
Shahzamanian et al. | Systematic literature review of the application of extended finite element method in failure prediction of pipelines | |
CN114778687A (zh) | 一种压力管道焊接缺陷快速识别与评价方法 | |
Gbagba et al. | Advances in Machine Learning Techniques Used in Fatigue Life Prediction of Welded Structures | |
Viswanathan | Life management of high-temperature piping and tubing in fossil power plants | |
CN112052554B (zh) | 一种建立管道埋藏型缺陷自身高度预测模型的方法 | |
WU et al. | Development status and improvement strategy of inline inspection technology and management | |
Besel et al. | Corrosion assessment method validation for high-grade line pipe | |
Wang et al. | Strain based design of high strength pipelines | |
Macdonald et al. | New guidance for fatigue design of pipeline girth welds | |
Nielsen et al. | Probabilistic modeling of crack threats and the effects of mitigation | |
Fonzo et al. | Techniques for fracture toughness testing of offshore pipelines | |
Jaske et al. | Review and proposed improvement of a failure model for SCC of pipelines | |
Ma et al. | An Approach to Engineering Critical Assessment of Assets That Cannot Be Inline Inspected | |
Zhu et al. | Progress of assessment model development for determining remaining strength of corroded pipelines | |
Zhu et al. | Corrosion assessment models for predicting remaining strength of corroded thick-walled pipelines | |
Kashyzadeh et al. | Assessment of oil storage tanks performance containing cracks and cavities | |
Ironside et al. | Pipeline dent management program | |
Tinacos et al. | ILI based dent screening and strain based analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |